
Állás
MI-fejlesztési vezető (Head of AI Engineering) – távmunka
AI / ML Engineer
• Remote
• Teljes munkaidő
•
EU/EMEA
Az AIOS Agent SDK megépítése és az ágensfejlesztés alapjává tétele a feladatod. Technikai vezetői szerep: az ágensarchitektúra, a modellstratégia, az evalok és az MI-megbízhatóság felelőse vagy, és közben te magad is kódolsz.
Stack
Feladatok
- ▹Agent SDK: a meglévő ügyfélszolgálati ágens-keret (harness) átalakítása szigorúan véleményezett belső platformmá, amely az AIOS ágenseit működteti; az architektúra, az újrahasználható primitívek, a bővítési pontok, a fejlesztői élmény és a meglévő infrastruktúrával való integráció gazdája
- ▹Jesse és Aegis: a Jesse (ügyfélszolgálati eszköz) vezető technikai gazdája, szoros együttműködés a klinikai terméket építő mérnökökkel az Aegis (klinikai döntéstámogató) fejlesztésén; a közös alapok (kontextus, visszakeresés, memória, vezénylés, eszközök, állapot, eszkaláció) kiemelése
- ▹Evalok és kísérletezés: megbízható benchmarkok építése determinisztikus ellenőrzésekkel, szimulációkkal, modell-alapú értékelőkkel, emberi megítéléssel és éles eredményekkel; az offline kiértékeléstől a kontrollált éles kísérletekig vezető út kialakítása
- ▹Éles tanulási hurok: nyomok (trace-ek), rossz megoldások, eszkalációk, incidensek, eszközhibák és sikeres kimenetek alakítása jobb evalokká, erősebb architektúrává, jobb modellekké és tartós platformképességekké
- ▹Biztonság és megfelelés: a következményekkel járó ágenscselekvések biztonságossá tétele (engedélyezés, validáció, idempotencia, auditálhatóság, helyreállítás, emberi átadás); megfelelőségi, adatvédelmi, biztonsági és regionális követelmények beépítése a platformba
- ▹Modellek és gazdaságosság: modellválasztás, routing, fallback-ek, gyorsítótárazás és a havi ~200 ezer dolláros modellköltés gazdája; ha az adatok indokolják, speciális nyílt súlyú modellek adat-előkészítésének, finomhangolásának, kiértékelésének és AIOS-irányított üzembe helyezésének vezetése
- ▹Megbízhatóság: a közös futtatókörnyezet éles üzemeltetése (nyomkövetés, megfigyelhetőség, tesztelés, szolgáltatói ellenálló képesség, kapacitás, incidenskezelés); vezető mérnöki felelős, ha egy MI-rendszer veszélyesen viselkedik, romlik a minőség vagy leáll a platform
- ▹Technikai vezetés: az AIOS MI-architektúrájának és stratégiájának meghatározása a mérnöki alelnökkel; végső döntés a nagy technikai kérdésekben, mérnökök irányítása a termékcsapatok között, gyakorlati kódolás
- ▹Csapatépítés: egy meglévő mérnök átvétele és az Applied AI csapat felépítése kb. öt kiváló emberre az első évben; technikai kapcsolat a vezető modellszolgáltatókkal
Elvárások
- ▹8+ év szoftvermérnöki tapasztalat, és aktív produkciós közreműködés
- ▹Legalább bachelor diploma informatika, gépi tanulás vagy szorosan kapcsolódó műszaki területen
- ▹Személyesen épített és szállított kivételes ágensrendszer valódi ügyfeleknél: többlépéses gondolkodás, eszközhasználat, állapotváltoztatás, éles korlátok közötti működés
- ▹Ágensarchitektúra: mély ismeret a harness-ekről, vezénylésről, kontextusépítésről, visszakeresésről, memóriáról, állapotról, eszköztervezésről, strukturált munkafolyamatokról és hibakezelésről
- ▹Evalok: valószínűségi termékekhez épített vagy érdemben gazdált kiértékelő rendszerek; adathalmaz-építés, kiértékelő-tervezés, szimulációk, regresszióészlelés, zajos metrikák és az offline teljesítmény–éles eredmény kapcsolat ismerete
- ▹Szoftvermérnöki alapok: API-k, elosztott rendszerek, párhuzamosság, sorok, adatbázisok, megfigyelhetőség, hibamódok és éles megbízhatóság
- ▹Következményes cselekvések: biztonságos ágensműködés, erős ítélőképesség engedélyezés, validáció, idempotencia, állapotátmenetek, auditálhatóság, helyreállítás és eszkaláció terén
- ▹Modellismeret: a mai csúcsmodellek és nyílt súlyú modellek képességeinek és korlátainak ismerete; annak felismerése, mikor a modell a gond, és mikor a kontextus, az eszközök, az adatok, a vezénylés vagy az értékelés
- ▹Nyílt súlyú modellek: elég technikai mélység a finomhangolás és az AIOS-irányított üzembe helyezés vezetéséhez (korábbi éles üzembe helyezés nem követelmény)
- ▹Vezetés: kis technikai mérnökcsapat sikeres vezetése és menedzselése, világos irány, minőségi mérce emelése, erős mérnökök fejlesztése, alulteljesítés kezelése
- ▹Technikai tekintély: a mérnökök megbíznak az ítélőképességedben, nehéz döntéseket hozol, világosan elmagyarázod a kompromisszumokat, és habozás nélkül ellenállsz egy rossz megközelítésnek
- ▹Kommunikáció: nehéz technikai gondolatok elmagyarázása mérnököknek, termékvezetőknek, klinikusoknak és vezetőknek a fontos részletek elsimítása nélkül
- ▹Függetlenség: világosságot teremtesz bizonytalan környezetben, és irányítás nélkül hozol jó döntéseket
- ▹Építő: továbbra is éles kódot írsz, a munkán belülről vezetsz
- ▹Felelősségvállalás: ha romlik a minőség, elszállnak a költségek, leállnak az eszközök vagy romlik egy szolgáltató, az eredmény eléréséért felelsz, nem azt keresed, melyik komponens hibás
Előny
- ▹Ágensplatformok: más mérnökök által használt futtatókörnyezetek, SDK-k, harness-ek, eszközrétegek, kiértékelő platformok vagy közös MI-infrastruktúra építése
- ▹Ügyfélágensek: nagy volumenű ügyfélszolgálati, kereskedelmi vagy tranzakciós ágensek építése összetett, többlépéses ügyfélutakon
- ▹Nagy téttel bíró rendszerek: egészségügyi, pénzügyi, biztosítási vagy más olyan rendszerek, ahol a helyesség, a nyomon követhetőség és az óvatos bevezetés számít
- ▹Modelladaptáció: nyílt súlyú modell finomhangolása, desztillálása, kiértékelése vagy üzembe helyezése konkrét éles munkafolyamatra
- ▹Hosszú távú memória: tartós memória, kontextustömörítés, személyre szabás vagy munkamenetek között működő ágensek építése
- ▹Valós idejű rendszerek: hangágensek, streaming rendszerek vagy más késleltetésérzékeny MI-élmények
- ▹Szolgáltatói kapcsolatok: közvetlen munka csúcsmodell-szolgáltatókkal értékeléseken, technikai problémákon, kapacitáson, árazáson vagy korai hozzáférésen
- ▹Tehetségérzék: jó szemed van kivételes MI-mérnökökhöz, és tudod, hogyan teremts környezetet a legjobb munkájukhoz
- ▹Kutatási jártasság: a releváns kutatás átültetése megbízható éles rendszerekbe, az újdonság és a haladás összekeverése nélkül
- ▹Rugalmasság: egy éles nyom debugolásától az eval újratervezésén és egy ágensabsztrakció felülvizsgálatán át a szolgáltatói incidens kezeléséig
Soft skillek
Technikai vezetés és tekintélyKommunikáció különböző közönségeknekFüggetlenségFelelősségvállalásCsapatépítés és mentorálás
Amit kínálunk
- ▹Fizetés: 200 000–400 000 USD évente, plusz részvényjuttatás
- ▹Teljes munkaidős, teljesen távoli munka; aszinkron munkavégzés a választott időzónában (délig csendes-óceáni idő szerint rendszeresen elérhető)
- ▹Átfogó egészségbiztosítás (ha alkalmazható)
- ▹Fizetett szabadság éves minimummal (legalább 2 hét évente + a helyi előírások szerint)
A munkáltatóról
Az AIOS az első teljes körű MI-orvost építi. Az Egyesült Királyságban a Bolt Pharmacy márkán keresztül havonta több mint 150 ezer beteget szolgál ki, és profitábilis, alapítók által vezetett cég.
Végzettség: Legalább bachelor diploma informatika, gépi tanulás vagy szorosan kapcsolódó műszaki területen
Hasonló állások

Állás
Founding ML Engineer, Computer Vision (Object Detection)
Clera
AI/ML
💰 Bér: nincs megadva
🌍 Remote
🗣️ EN

Állás
Director, Applied AI
ZoomInfo Technologies LLC
AI/MLData ScienceLlmSQL
💰 Bér: nincs megadva
🌍 Remote
🗣️ EN

Állás
AI/ML Engineer, Internal Platforms
EVB
AI/ML
+3
130 000–160 000 USD/év
bruttó
🌍 Remote
🗣️ EN

Állás
MTS, AI/ML
FunnelStory
AI/ML
💰 Bér: nincs megadva
🌍 Remote
🗣️ EN
Állás
Machine Learning Engineer
Interval
AI/MLData ScienceHuggingfaceLlm
+3
💰 Bér: nincs megadva
🌍 Remote
🗣️ EN
Állás
iOS/MacOS, Android, AI/ML és growth pozíciók
Puma.tech
AI/MLLlm
+1
💰 Bér: nincs megadva
🌍 Remote
🗣️ EN